压缩感知和LEACH结合的水下传感器网络信息采集方案

由于水下传感器网络特殊的工作环境,节点能耗是其至关重要的问题。针对这一问题,本文提出一种LEACH和压缩感知相结合的水下传感器网络信息采集方案(CS_LEACH)。根据LEACH协议对网络节点分簇后,簇内节点可以以概率q决定是否参与感知数据,簇内感知到的数据加权叠加后,由簇头传输至Sink节点。在Sink节点,利用压缩感知重构算法进行信息重构,从而得到监测区域的信息图谱。理论分析和仿真结果表明,与传统的LEACH协议相比,CS_LEACH方案在保证重构精度的前提下,大大节约了节点能量,延长了网络生存周期。     

一种新的基于压缩感知的WSN多目标定位方法

考虑无线传感器网络中定位信息的不完备性,将传感器网络监控区域划分成多个小网格,节点与目标随机分布于网格中,以目标位置信息为稀疏向量,提出了一种新的基于压缩感知的多目标定位方法。该方法将传感器节点感知到的目标数测量矩阵表示为压缩感知理论中测量矩阵、稀疏矩阵与稀疏向量的乘积形式,通过稀疏信号的重构算法恢复目标位置稀疏向量,实现多目标定位。考虑到感知矩阵不满足受限等距性条件,对此矩阵进行了正交化处理,使其满足重构算法的要求。通过仿真分析了节点感知半径、待定位目标数、传感器节点数对目标定位性能的影响。仿真结果表明,在定位信息不完备的情况下,上述方法能够满足无线传感器网络的目标定位要求,且该方法不依赖于硬件测距,其计算复杂度和定位精度与基于接受信号强度(RSS)的压缩感知定位算法相当。     

基于小波树模型的CoSaMP压缩感知算法

无线传感网络存在网络带宽限制和传感器节点的能耗问题,实际应用中通常希望可以通过重构算法从采集的少量数据中还原出原始信息,压缩感知理论为上述问题提供了一个解决思路。利用压缩感知理论,对无线传感器网络中温度传感器的监测信号进行了压缩感知的应用研究。针对传统压缩采样匹配追踪(CoSaMP)算法中测量次数多、重构精度低等问题,利用信号的小波系数所形成的连通树的结构特性,提出了基于小波树模型的压缩采样匹配追踪算法。将该算法应用到无线传感器网络监测信号的压缩感知仿真实验中,与传统压缩采样匹配追踪算法的重构性能进行比较,结果表明该算法较传统压缩采样匹配追踪算法在一定范围内对无线传感器网络中的温度信号具有更好的压缩感知性能。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

基于压缩传感的超分辨率红外成像研究

为解决红外图像系统复杂度与成像分辨率之间的矛盾,采用压缩传感(compressive sensing,CS)理论对红外成像系统进行研究.通过对原始红外图像进行稀疏化,构造基于高斯随机噪声的测量矩阵,实现对目标的压缩感知,以较少数目的测量信号表示目标,获取目标的稀疏表达,基于对目标的稀疏表达,构造基于正交匹配追踪的重构算法对目标信号进行重构,实现以较少的测量信号构造较高分辨率的图像.在几种典型红外目标图像上的分析表明,压缩传感理论可实现对目标的超分辨率成像,以较低分辨率的传感器获得较高分辨率的目标信息,重构出的目标红外图像与相应高分辨率传感器所获得的图像之间误差较低.     

一种改进的图像分块压缩感知模型

分块压缩感知用于图像获取可以解决传统压缩感知在重构时运算量大的问题,但是运用分块压缩感知却使重构图像的质量有所降低。提出了一种改进的图像分块压缩感知算法。该算法通过对观测矩阵加权,保证了图像低频部分在重构时获得更大的精度,提高了图像的质量。另外,算法根据各图像块不同纹理复杂性,自适应地改变观测值数目,使得在保证图像质量的前提下,重构所需的总观测值数目更少。实验证明了该算法的有效性。     

基于贝叶斯压缩感知的信号重构

本文提出了基于贝叶斯压缩感知的信号重构算法,将压缩感知理论应用于信号的压缩传输以及重构,该算法将压缩感知问题转化为线性回归问题,逐步推演出结果向量之间的迭代关系,最后通过迭代以得到原始信号的精确重构. 仿真说明了贝叶斯压缩感知在信号处理中的应用,结果表明该算法对一维和二维信号的压缩重构有很好的效果.     

基于联合压缩感知重构的网络通信服务目标数据检测技术

采用当前无监督组件支持向量机模型检测技术、高维随机矩阵检测技术,对网络通信服务目标数据检测时,缺少特殊属性目标采集过程,导致数据检测效果较差。针对该问题,提出了基于联合压缩感知重构的网络通信服务目标数据检测技术研究。根据联合压缩感知重构原理,采集网络通信服务节点温度稀疏目标数据,利用联合压缩感知重构技术处理网络节点通信数据,构造稀疏二进制矩阵,完成对未知数量检测数据精确重构。利用构造函数计算网络通信服务数据之间的相似度,完成不同样本特征的区分,剔除不必要数据特征,并采用联合压缩感知重构技术实现对网络通信服务目标数据检测。实验结果表明,该技术数据检出率最高可达到87%,为海量数据下社交网络特殊对象数据挖掘奠定基础。     

基于投影矢量的双组播树高效路由数据收集

现有的节点数据收集算法复杂度高,与路由结合效果不理想,且不能满足无线传感器网络高效能量的节点数据收集,而压缩感知理论具有容错性好、编码简单的优点。基于压缩感知的特性,提出了一种传感器网络中基于投影矢量的双组播树高效路由数据收集,该算法将贝叶斯压缩感知理论与传感器路由相结合,解决现有算法不能满足传感器对能耗敏感的问题。算法的基本思想首先根据初始观测矢量来寻求能量高效并得到合适路由的最优投影。然后利用节点系数能耗最小与广义矢量的主分量作为目标节点,采用微分嫡改变量最大的原则进行求解节点最佳投影系数,最后在sink与目标节点路由问题上采用正逆向组播树进行路由构造。理论和仿真结果表明在保证能耗的条件下取得了较好的重建仿真效果,对无线传感器通信具有一定的实用价值。     

基于稀疏图码的物联网邻居节点发现

为了解决物联网中发现新节点的传统蜂窝随机接入方案不能适用于大规模节点的传感器网络的问题,首先基于组测试框架将邻居发现问题转换为压缩感知理论模型中的单向量测量问题,然后对测量矩阵进行精心构造,最后提出一种新颖的基于稀疏图码理论的逐步剥离恢复算法来解决物联网邻居节点发现问题。实验结果表明,该算法在低样本和时间复杂度下显著提高了大规模无线传感器网络活动邻居节点发现的有效性和准确性。     

基于改进加权最小二乘支持向量机的UWSN定位

针对水下无线传感器网络锚节点较少、迭代误差大导致的节点定位精度低的问题,提出一种基于改进加权最小二乘支持向量机的水下三维节点定位算法;该算法将水下三维空间分为若干立方体,以锚节点与网格交点的距离向量作为训练集进行训练;并利用改进的多类别模式识别方法进行分类,以未知节点到锚节点的距离向量作为测试集确定节点坐标;通过引入加权的思想和多类别模式识别方法增大机器学习算法的鲁棒性、降低分类次数,从而实现水下三维节点预测定位;仿真结果表明,该算法在锚节点较少、网络区域较大的水下仍能保持较高的定位精度与较好的鲁棒性.     

压缩感知的IPv6无线传感网信息隐藏方法

保障隐私数据安全是IPv6无线传感网安全的一个重要研究内容,信息隐藏技术能够利用隐私数据的特点实现数据的不可见性,在隐私安全保护方面发挥着重要作用.针对IPv6无线传感网的特点和数据隐匿性的安全需求,结合压缩感知理论,实现隐秘传输的计算开销集中在资源富裕的汇聚节点端.利用压缩感知,有效地将感知层节点端的计算开销大幅度降低,提出一种适用于IPv6无线传感网环境下的信息隐藏方法.该方法主要包括隐藏密钥的管理、嵌入算法的设计和提取算法的设计,以此为IPv6无线传感网敏感数据的传输提供隐匿性,保障网络中敏感数据的安全性.结果表明,该信息隐藏算法在嵌入过程中,随着敏感数据的增加,通信开销低于25%.     

基于压缩感知的水下传感器网络预约多址接入协议

相比于陆地无线传感器网络, 水下传感器网络拥有更大的传播时延, 导致许多已经比较成熟的MAC协议不能直接应用于水下。提出了基于压缩感知的水下传感器网络预约多址接入协议, 充分利用水下环境中的长传播时延, 使网络中各节点能够在时间和空间上对信道资源进行共用, 实现多个用户同时进行信道预约, 提高了信道的利用率。在考虑多用户分集基础上, 该协议使成功预约到信道的用户可以利用有限的全部带宽资源进行高速传输, 以此来提高整个网络的吞吐性能。仿真结果表明, 与传统的RTS/CTS方案相比, 该协议具有更高效的信道预约能力, 更高的数据传输效率, 以及更好的吞吐性能。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

基于潜艇深度的水下传感器网络部署

针对三维水下无线传感器网络在反潜方面的应用,利用潜艇出现深度信息的先验概率模型,提出一种基于潜艇深度的部署算法。节点采用均匀部署,依据潜艇可能出现的深度信息,对潜艇出现概率较大的区域,休眠较少的节点,增大活跃节点的密度,提高覆盖率;对其它区域,增加休眠节点的数目,以减小活跃节点的密度,降低覆盖率。仿真结果表明,本算法可以在保证较高覆盖质量的前提下,降低网络的整体能耗,延长网络生存时间。     

通信约束下的水声信号分布式检测融合算法研究

针对水声传感器网络中大延迟、低可靠通信约束下的水声信号分布式检测问题，提出了一种基于时间窗口的自适应融合算法．传感器节点依据声纳接收机的特性计算局部判决并发送给融合中心节点．融合中心节点在时间窗口内，基于已收到的局部判决在线自适应地调整融合规则，从而由最优融合算法得到最终判决．通过仿真，讨论了时间窗口的选择问题以及融合算法的性能．仿真结果表明，新算法具有很高的实用性，能够在动态变化的水声通信条件下保证整个系统高效运行．     

无线传感器网络最少数量通信节点定位方法

随机布置的无线传感器网络,通信节点数量和位置影响网络性能。利用免疫理论与矢量量化技术提出了一种具有最少数量特性的无线传感器网络通信节点定位方法。根据生物免疫机制建立无线传感器节点激活模型,基于免疫自适应调节算法确定传递事件信息所需最少通信节点数;以全部节点坐标为矢量,通信节点数为矢量类别,矢量量化后获得的代表矢量即为通信节点在监测区域的位置。仿真结果表明该方法能极大地减少通信节点数量,优化网络空间资源布局。